本类时间线
01核心算法
先学这些，按年份排列。
思维链提示Chain-of-Thought Prompting 让模型先写出推理步骤再给答案。 2022核心 自洽性投票Self-Consistency 采样多条思维链，取出现最多的答案。 2022核心 STaR 自举推理STaR (Self-Taught Reasoner) 让模型用自己答对的推理过程反复训练自己。 2022核心 思维树Tree of Thoughts 把推理展开成树，边生成边评估、可回溯搜索。 2023核心 过程奖励模型Process Reward Models (PRM) 给推理的每一步打分，而不只看最终答案。 2023核心 Self-Refine 自我反馈迭代Self-Refine 同一个模型先写初稿，再自己点评，再按点评修改，循环几轮。 2023核心 测试时计算扩展Test-Time Compute Scaling 推理时多花算力（多想、多采样、搜索）换取更好答案。 2024核心 DeepSeek-R1 推理强化学习配方DeepSeek-R1 Reasoning RL Recipe 只用结果奖励的大规模强化学习，就能让模型学会长链推理与自我反思。 2025核心
02扩展
核心学懂之后值得了解的变体和后续工作。